大数据在医疗质量管理中的应用研究

2020-04-29——徐乐陈飞苏皖*

中国卫生质量管理 2020年2期

——徐乐陈飞苏皖*

医疗质量管理是医院管理最核心的内容。加强医疗质量管理，提高医疗服务质量，是提升医院核心竞争力、提高患者满意度的有效手段。

大数据时代给医疗卫生领域带来了前所未有的机遇[1]。医学是数据密集型行业，医疗健康活动会产生大量医疗数据[2]，这些数据对于保障医疗安全，提升医疗质量具有重要的价值。如何将大数据有效应用到医院管理实践，如何利用医疗大数据提升医疗质量，以改善人民健康福祉，满足人民日益增长的健康需求，是当前的热点话题。

1 当前医疗质量管理面临的挑战

(1)管理决策主观。目前医疗质量管理方法不系统、不规范等，以及从业人员专业知识架构不完整，医疗质量管理经验不足等问题，加剧了管理决策风险。

(2)干预措施滞后。目前，医疗质量管理主要以终末质量控制为主。通过对医疗服务结果进行检查和分析来发现问题，然后再采取纠正措施[3]。这种“发现问题，整改问题”的方法存在滞后性。

(3)评价指标片面。有研究指出，我国缺乏科学、有效、统一的指标体系[4]，存在部分评价指标缺乏客观性、定义不明确、灵敏度不高，部分指标数据真实性不可靠、来源不准确等问题。

(4)信息系统孤立。近年来，我国医疗机构尤其是三级医疗机构信息化建设水平显著提高，信息化建设保障体系日趋完善[5]。然而，在医疗信息互联互通和信息共享方面还有很大的提升空间，很多医院信息系统数据处于孤岛状态，无法实现数据交互，无法实现对数据信息的合理利用[6]。如何有效运用医疗数据，让医疗数据发挥应有的价值，是丞待解决的难题[7]。

图1 大数据的5V特征

2 医疗健康大数据发展状况

2.1 大数据特点

“大数据”是一种高容量、高速度和多变量的信息资产。有三种不同的数据类型：一是结构化，具有固定架构的有组织数据格式，如RDBMS；二是半结构化，部分组织的数据，没有固定的格式，如XML、JSON；三是非结构化，具有未知架构的无组织数据，如音频、视频文件等。

大数据可以概括为5V特征(图1)：(1)大量(Volume)，数据体量大，通常会超过10TB；(2)高速(Velocity)，数据总量高速增长，增长速度接近每年50%；(3)多样(Variety)，不同的信息系统、不同的存储方式和不同的事件类型，导致数据来源和形式的多样化；(4)准确(Veracity)，数据的不一致和不确定性；(5)价值(Value)，准确有用的数据。另外还具有5V特性：有效性(Validity)，数据的正确性；可变性(Variability)，动态行为；波动性(Volatility)，随时间变化的趋势；漏洞(Vulnerability)，易受攻击或攻击；可视化(Visualization)，可视化有意义的数据使用。

2.2 大数据在医疗领域的应用

大数据在医疗领域的应用主要是将各个层次的医疗信息和数据，利用互联网以及大数据技术进行挖掘和分析，为医疗服务提升提供有价值的参考依据，使医疗行业运营更高效、服务更精准、医疗支出更合理[8]。

据统计，中国医疗健康大数据市场规模2014年为6.06亿元，2016年为10亿元，2017年为41.15亿元，预计2020年达390亿元[9]。如此庞大的市场规模，如此惊人的增长速度，必然与政策支持密不可分。2015年3月，国务院办公厅印发《全国医疗卫生服务体系规划纲要(2015-2020年)》；2015年8月31日，国务院常务会议通过《促进大数据发展行动纲要》[10]等政策文件，从国家战略角度，对大数据在医疗领域的应用进行了规范和指导，也提供了支持与保障。

3 大数据在医疗质量管理中的应用

如何提高医疗质量管理水平，是摆在医院管理者面前的复杂工程。医院要提高医疗质量管理水平，就必须与时俱进，探索大数据环境下的新型的医疗质量管理模式。对此，东部战区总医院创新提出“1+2+4模式”，将大数据应用于医疗质量管理实践中。

3.1 1个核心：质量与安全

维护患者生命健康的核心是医疗质量和医疗安全，这是医疗服务的根本所系，也是医院技术水平、工作效率和综合实力的集中体现，是评价医院整体医疗水平的核心指标，会影响到医院的信誉和综合效益。应用大数据优化医疗质量管理方法，首先要抓牢的就是质量与安全这一核心。

3.2 2个保障：顶层设计、组织平台

该院从顶层设计和组织平台两个方面，保障大数据有效应用于医疗质量管理实践。在顶层设计方面，要求医院根据国家相关文件标准[11]，确定大数据平台总体架构，如图2所示。

在组织平台保障方面，一是成立组织领导机构，成立由院长任组长，由医院机关、相关职能和临床科室组成的领导小组，明确责任分工，建立考核机制，制定协作流程；二是组成技术攻关团队，包括管理运行团队、专家顾问团队和技术支持团队；三是建立高效运行机制，成立大数据和人工智能实验室，确保信息技术在医院快速高效应用推广。

3.3 4个推进：推进决策精细化、监管精确化、诊疗精准化、服务精心化

3.3.1 推进决策精细化传统的HIS系统已不能完全适应当前医院管理精细化的要求，无法准确且直观地向决策者提供全面的、一致的决策信息。因此，该院引进基于商业智能(Business Intelligence, BI)的决策与分析系统，助推决策精细化。

BI系统是在整合医院现有信息系统的基础上，应用BI工具，实现对医院信息资源的深加工。通过对医院内部跨平台、多异构系统的集成、整合和扩充，全面实现了数据归集与挖掘，确保能够协助医护人员和管理者进行数据分析。该院BI系统主要有医疗质量、人力资源、卫生经济、物资管理、综合信息查询、关键指标预警等九大功能模块，可分析各项主要指标的完成情况、全院人力资源的分布和配备情况、全院计价经济和核算的完成情况等，这样能够保证医院运营情况清晰可视，管理决策有证可循。BI系统自2014年上线以来，通过实时监管和预警，医疗质量与安全持续改进，医疗投诉和纠纷数量总体下降了30%。此外，通过系统还可以与其他医院的进行比对，以减少决策盲目性，避免“拍脑袋决定”。

图2 医院医疗大数据平台总体架构

3.3.2 推进监管精确化该院积极响应国家卫健委医政医管局开展医院智慧服务的号召，推出合理用药Rbase系统，助理药品监管精确化。

该系统对关键指标数据进行挖掘，实行关键指标个性化定义及可视化展示，能够实现药品消耗预警分析，多维度关联查询，实现多角度聚类、分组、排序及可视化展示。对于全处方及医嘱筛查问题，可以灵活的审核规则，进行处方或医嘱的全面筛查，实现快速定位。系统上线后实现了审方前置，处方(医嘱)审核关口前移，使干预措施不再滞后，优化了患者就诊流程，减少了医疗纠纷，规范了用药行为，确保了患者用药安全。同时，搭建信息交互平台，可在医疗三监管之前，对不合理用药行为提前进行处理，有效节约医疗资源，降低问题处方成本。统计结果显示，2017年10月-2018年9月，该院达成药占比下降6%，重点监控药品品种使用下降8%，抗菌药物围术期预防使用率下降16%，住院抗菌药物使用强度逐步达标。

3.3.3 推进诊疗精准化该院在影像诊断、专科专病等临床实践及质量管理实践中，应用医疗大数据推进诊疗精准化。

在医学影像方面，结合大数据技术和AI技术，推出医学影像AI辅助诊断。以肺部CT为例，通过人工智能优化肺部CT分析诊断流程。据统计，2018年7月1日-2019年4月30日该院AI辅助诊断共检查54 031例肺部CT，发现605 147个肺结节，其中毛玻璃病变24 205个，病变大小为3mm～6mm结节为主。医学影像科每月约有8 000例胸部检查，胸组两个审核医生，平均每人每天需要审核90 370张图片(不计算骨窗及厚层图像阅片)，平均3～4幅/秒。通过AI技术推算后，薄层图像基本不需要再次观察，仅观察AI提示的病变部位，其余通过厚层图像阅片，不仅提高了工作效率，还减少了对微小结节的漏诊。

该院重点科室——肾脏科，建设有41家单位、526家网络成员单位参与的国家肾脏疾病临床医学研究中心协作网，已累计收集肾脏疾病肾活检病例共94 565例，肾脏疾病生物样本共17万份，肾脏科充分发挥协作网作用，整合协作医院肾脏疾病数据，并纳入746篇国内外文献研究，于2019年3月发布了基于大数据应用的《中国慢性肾脏病矿物质和骨异常诊治指南》，以规范诊疗行为，提升协作医院诊疗水平，推动肾脏科同质医疗建设。在国际合作方面，建构基于数据平台的国际合作研究网络，参与IgAN牛津分类制定，主导国内多中心成人和儿童的IgAN牛津分类验证，完成IgAN牛津分类更新，开展牛津分类在紫癜性肾炎中的应用研究。

该院急性胰腺炎共享数据平台于2018年11月成立，是全球急性胰腺炎研究领域第一个数据共享平台。依托2010年-2018年累积的10 000例，共享2 000例，涵盖了从“ICU→普通病房→康复中心”的全病程。肾脏病和胰腺炎数据共享平台的建设，实现了数据的互联互通、互享互惠，破除了信息孤岛。

3.3.4 推进服务精心化该院通过智慧病房、移动医疗平台建设，利用大数据推进服务精心化，提升患者就医体验。

建设基于数据平台的智慧病房，心脏频谱血压计系统、智能病服、无线床边传感器等智能生理数据搜集设备，将收集到的信息上传归档至医院信息系统，并进行大数据分析。通过智慧化生理监测设备和人工智能的及时数据监控，实现生理数据实时监测、病房信息的实施提取，从而提升医疗服务能力。智慧病房AI系统正稳步运行，后台数据集合已经有量级显示，为疾病治疗、康复管理提供了前所未有的AI临床视角。此外，该院还致力于构建移动健康医疗平台，提供健康e+健康包、移动随访等移动医疗服务，以让患者获得更加精心的服务。